Question

我想使用曲线拟合优度（GOF）来比较Matlab中的原始信号和滤波信号之间的相似率

Answer 1

通常情况下，拟合优度检验假定经验数据和理论数据之间的比较......换句话说，在实际观察与由近似它们的函数产生的值之间进行比较。由于您正在使用曲线，fit function已经提供了执行测试所需的全部内容：

[fitobject,gof] = fit(x,y,fitType)

  gof — Goodness-of-fit statistics, returned as the gof structure including the fields in this table:

    sse - Sum of squares due to error
    rsquare - R-squared (coefficient of determination)
    dfe - Degrees of freedom in the error
    adjrsquare - Degree-of-freedom adjusted coefficient of determination
    rmse - Root mean squared error (standard error)

我们举个例子：

x = (0:0.2:5).';
y = 2 .* exp(-0.2 .* x);

[f1,gof1] = fit(x,y,'exp1');
figure(),plot(f1,x,y);

[f2,gof2] = fit(x,y,'poly1');
figure(),plot(f2,x,y);

从y的声明中，由于没有添加噪声，我们知道与a = 2和b = -0.2的指数拟合会产生完美的结果，而多项式拟合会产生一个好的（但不是完美的）结果。

R2统计信息可以取0和1之间的任意值，其值更接近1，表示更合适。由于我们没有使用额外的系数，因此评估我们的拟合绰绰有余，并且代表了在许多系数之间选择模型的良好标准。查看gof1和gof2结构（rsquare字段）中包含的R2值，我们可以看到我们的小说已得到确认：在gof1中，R2统计信息具有值1（完美契合），而在gof2中，相同统计量的值非常接近1但不等于1（非常合适）。

我怎样才能使用曲线优度？

1 个答案: